Distribucion Pearson

“Año del Buen Servicio al Ciudadano”
Curso: HIDROLOGIA
N° DE GRUPO: 02
ALUMNOS:
 Bautista Gayona, Lucero Milagros (014101331-H)
 Cusihuaman Quispe, Elvis Ronald (014100415-C)
 Palomino Quispe, Andy Eder (008100720-I)
 Sanchez Arenas, Jesus Manuel (009100210-J)
 Unuysoncco Paguada, Luis Joel (014100534-B)
DOCENTE: Carlos Luna Loayza
FECHA DE ENTREGA: Martes 04 de Octubre del 2018
2018-II
”DISTRIBUCION PEARSON”
2
INDICE
Pag.
INDICE............................................................................................................................................ 3
PRESENTACION.............................................................................................................................. 5
INTRODUCCION ............................................................................................................................. 6
MARCO TEORICO:.......................................................................................................................... 8
DISTRIBUCION PEARSON ............................................................................................................... 8
1. HISTORIA ........................................................................................................................... 8
2. DEFINICION........................................................................................................................ 9
3. Tipos particulares de distribución ................................................................................... 11
3.1. Caso 1, discriminante negativo. La distribución de Pearson tipo IV ....................... 11
3.2. Caso 2, discriminante no negativo .......................................................................... 15
4. Relación con otras Distribuciones ................................................................................... 19
5. Aplicaciones..................................................................................................................... 20
CONCLUSIONES Y RECOMENDACIONES ...................................................................................... 21
BIBLIOGRAFIA Y WEB GRAFIA ..................................................................................................... 23
3
4
PRESENTACION
El presente trabajo es el resultado del esfuerzo realizado en el transcurso de la
recopilación, investigación y resumen del tema: “DISTRIBUCION PEARSON”, el cual
consto en primer lugar de la búsqueda de fuentes confiables sobre el tema y por segundo
paso el análisis de los mismo para llegar a una comprensión y posterior resumen del tema,
el cual nos será de vital importancia para nuestra formación académica profesional.
5
INTRODUCCION
La siguiente investigación se refiere a la recopilación de información del tema de
Distribución Pearson, la cual podemos definir como:
La distribución de Pearson en una familia de distribuciones probabilísticas continúas. Fue
publicada por primera vez por Karl Pearson en 1895 y subsecuentemente extendida por
él en 1901 y 1916 en una serie de artículos de bioestadística.
Diagrama del Sistema de Pearson, mostrando distribuciones de los tipos I, III, VI, V, y
IV en términos de β1 (asimetría cuadrada) y β2 (curtosis tradicional
6
OBJETIVOS
 Recopilar información relevante
 Enriquecer nuestros conocimientos y aprender más sobre el tema
 Terminar exitosamente el informe nombrando cada uno de las biografías usadas
 Concluir el informe con un concepto grupal de lo aprendido (conclusiones)
 Obtener un resumen contrastado y realista del concepto de HUMEDAD Y
PRECIPITACION
 Conocer los puntos más importantes de estos temas
7
MARCO TEORICO:
DISTRIBUCION PEARSON
1. HISTORIA
El sistema Pearson fue originalmente ideado en un esfuerzo para modelar
observaciones visiblemente asimétricas. Era bien conocido en aquel tiempo cómo
ajustar un modelo teórico para acomodar los primeros dos cumulgantes o los momentos
de observados datos: Cualquier distribución de probabilidad puede estar extendida
directamente para formar una familia de escala de posición. Excepto en los casos
patológicos, una familia de escala de posición puede estar hecha para acomodar la
media (primer cumulante) y la varianza (segundo cumulante) arbitrariamente bien. Sin
embargo, no era conocido cómo construir distribuciones de probabilidad en las cuales
la asimetría (tercer cumulante estándar) y la curtosis (cuarto cumulante estándar)
pudieron estar ajustados igualmente. Esta necesidad surgió al intentar acomodar
modelos teóricos conocidos a datos observados que exhibieron asimetría. Los ejemplos
de Pearson incluyen datos de supervivencia, cuáles son usualmente asimétricos. En su
escrito original, Pearson identificó cuatro tipos de distribuciones (numeradas del I al IV)
además de la distribución normal (la cual era originalmente conocida como tipo V). La
clasificación dependió en si las distribuciones estaban definidas en un intervalo definido,
en una semirrecta, o en los reales y si estaban potencialmente asimétricas o
necesariamente simétricas. Un segundo escrito arregló dos omisiones: Redefinió la
distribución de tipo V (originalmente incluía la distribución normal, ahora incorporaba la
distribución gamma inversa) e introdujo la distribución de tipo VI. Conjuntamente los
primeros dos documentos de identificación cubren los cinco tipos principales del sistema
Pearson (I, III, VI, V y IV). En un tercer escrito, Pearson introdujo aún más casos
especiales y subtipos (del VII al XII).
8
Rhind ideó una forma sencilla de visualizar el espacio de parámetros del sistema
Pearson, el cual fue adoptado por Pearson. Los tipos de Pearson son caracterizados
por dos cantidades, comúnmente referidas como β1 y β2. El primero es el cuadrado de
la asimetría: donde γ1 es la asimetría o el tercer momento estandarizado. El
segundo es el curtosis tradicional o cuarto momento estandarizado: β2 = γ2 + 3.
Tratamientos modernos definen curtosis γ2 en términos de cumunlant en vez de
momentos, por lo tanto una distribución normal tenemos γ2 = 0 y β2 = 3. Aquí seguimos
el precedente histórico y usamos β2. EL diagrama a la derecha muestra dada una
distribución concreta a qué tipo de Pearson pertenece (identificado por el punto (β1,
β2)). Muchas de las distribuciones asimétricas y no meso críticas que hoy nos son
familiares, no eran conocidas a principios de 1890. Lo que hoy se conoce como
distribución beta había sido usada por Thomas Bayes como la Probabilidad a posteriori
del parámetro de la distribución de Bernoulli en su trabajo de 1763 sobre la probabilidad
inversa. La distribución beta ganó prominencia debido a su pertenencia al sistema
Pearson y era conocida hasta los años 1940 como la distribución Pearson tipo I.
 (La distribución de Pearson tipo II es un caso especial derivada del tipo I, pero
ya no es tratada por separado.) La distribución gamma originada como resultado
del trabajo de Pearson y era conocida como la distribución de Pearson tipo III,
antes de adquirir su nombre moderno en 1930s y 1940s.
 El artículo de Pearson escrito en 1895 introdujo la distribución de tipo IV, la cual
contiene la distribución t-Student como caso especial, precediendo por varios
años a William Sealy Gosset. En su artículo de 1901 introdujo la distribución
gamma inversa (tipo V) y la distribución beta prima (tipo VI).
2. DEFINICION
Una función de densidad de Pearson, p, está definida para ser una solución válida a una
ecuación diferencial
9
Según Ord, Pearson ideó la forma subyacente de la ecuación (1), con base,
primeramente, en la fórmula para la derivada del logaritmo de la función de densidad de
la distribución normal (la cual da una función lineal) y, en segundo lugar , de una relación
de recurrencia para los valores en la función de probabilidad de la masa de la
distribución hipergeométrica (que produce la función lineal dividida por una estructura
cuadrática).
En la ecuación (1), el parámetro a determina un punto estacionario, y por lo tanto bajo
ciertas condiciones un moda de la distribución, ya que
Sale directamente de la ecuación diferencial.
Dado que nos enfrentamos a una ecuación diferencial lineal de primer orden con
coeficientes variables, su solución es directa:
La integral en esta solución simplifica considerablemente cuando ciertos casos
especiales de integrando son considerados. Pearson distingue dos casos principales,
determinados por el signo del discriminante (y por tanto el número de raíces reales) de
la función cuadrática.
10
3. Tipos particulares de distribución
3.1. Caso 1, discriminante negativo. La distribución de Pearson tipo
IV
Si el discriminante de la función cuadrática (2) es negativo no tiene
raíces reales. Luego se define
Observe que α es un número real bien definido y α ≠ 0, porque por suposición
y por tanto b2 ≠ 0. Aplicando estas tres sustituciones, la función
cuadrática (2) es transformada en:
La ausencia de raíces reales es obvio en esta formulación ya que α2 es necesariamente
positiva.
Ahora expresamos la solución de la ecuación diferencial (1) en función de y:
Pearson lo llamó el "caso trigonométrico" , debido a la integral
11
Involucra la función trigonométrica inversa arcotangente. Entonces
Finalmente sea
Aplicando estas sustituciones, obtenemos la función paramétrica:
Esta función de densidad sin normalizar tiene soporte en toda la línea real. Depende del
parámetro de escala α > 0 y el parámetro de forma m>1/2 y v. Un parámetro se perdió
cuando preferimos encontrar la solución a la ecuación diferencial como una función de
y o de x. Por lo tanto volvemos a introducir un cuarto parámetro, llamado parámetro de
posición λ. Así hemos derivado la función densidad de la distribución de tipo Pearson
IV:
La normalización de las constantes involucra función gamma compleja (Γ) y la función
beta (B).
3.1.1. Distribución de Pearson tipo VII
Diagrama de densidades de distribuciones Pearson tipo VII con λ = 0, σ = 1, y:
γ2 = ∞ (rojo); γ2 = 4 (azul); y γ2 = 0 (negro)
12
El parámetro de la forma ν de la distribución de Pearson tipo IV controla su
asimetría. Si fijamos su valor a cero, obtenemos una familia simétrica de tres
parámetros.
Diagrama de densidades de distribuciones Pearson tipo VII con λ = 0, σ = 1, y:
γ2 = ∞ (rojo); γ2 = 4 (azul); y γ2 = 0 (negro)
Este caso especial es conocido como Distribución de Pearson tipo VII. Su función
de densidad es:
Donde B denota la función Beta.
Una parametrización alternativa (y una ligera especialización) de la distribución
tipo VII es obtenida permitiendo
Lo cual requiere m>3/2. Esto conlleva una pérdida menor de generalidad pero
asegura que la varianza de la distribución existe y es igual a σ2. Ahora el
parámetro m solo controla la curtosis de la distribución. Si m tiende a infinito
como λ y σ se mantiene constante, la distribución normal emerge como un caso
especial:
13
Esta es la función de densidad de la distribución normal con media λ y desviación
estándar σ.
Es conveniente exigir que m > 5/2 y dejar que:
Esta es otra especialización, y garantiza que los primeros cuatro momentos de
la distribución existan. Más aun, la distribución de Pearson tipo VII parametrizada
en términos de (λ, σ, γ2) tiene como media λ, como desviación estándar σ,
asimetría cero y curtosis exceso es γ2).
3.1.2. Distribución t-Student
La distribución de Pearson tipo VII es equivalente a la distribución t-Student no
estandarizada con parámetros ν > 0, μ, σ2 aplicando las siguientes sustituciones
a su parametrización original.
Observe que la restricción m > ½ se satisface.
La función de densidad resultante es:
14
La cual es más conocida como la densidad de distribución t-student.
Note además que esto implica que la Distribución de Pearson tipo VII subsume
la distribución t-Student estándar y también la distribución de Cauchy estándar.
En particular, la distribución t-Student estándar emerge como un subcaso
cuando μ = 0 y σ2 = 1, equivalente a las siguientes sustituciones.
La densidad de está restringida familia de un solo parámetro es una t-student
estándar:
3.2. Caso 2, discriminante no negativo
Si la función cuadrática (2) tiene discriminante no negativo tiene como
raíces reales a1 y a2 (no necesariamente distintas):
15
En presencia de raíces reales, la función cuadrática (2) puede ser escrita como
y por lo tanto la solución de la ecuación diferencial es:
Pearson la llamó el "caso logarítmico", debido a la integral
Involucra solo la función logarítmica, y no la función arcotangente como en el caso
anterior.
Usando la sustitución
Obtenemos la siguiente solución a la ecuación diferencial:
Dado que esta densidad es sólo sabida hasta una constante escondida de
proporcionalidad, esa constante puede variarse y la densidad puede escrita como sigue:
3.2.1. Distribución de Pearson tipo I
La Distribución de Pearson tipo I (una generalización de la distribución beta surge
cuando las raíces de la ecuación cuadrática son de signos opuestos, eso es,
16
Luego la solución p es soportada en intervalo . Aplicando la sustitución
La cual produce una solución en términos de y que está soportada en el intervalo
(0, 1):
Uno puede definir
Reagrupando las constantes y parámetros, esto se simplifica a:
Resulta que m1, m2 > −1 es necesario y suficiente para que p sea una función
de densidad de probabilidades
3.2.2. Distribución de Pearson tipo II
La distribución de Pearson de tipo II es un caso especial de la familia de Pearson
de tipo I restringida a distribuciones simétricas.
Para la curva de Pearson de tipo II
17
La ordenada, y, es la frecuencia de La curva de Pearson de tipo II es
usada en computar la tabla de coeficientes de correlación significativos para el
coeficiente de correlación de Spearman cuando el número de elementos en una
serie es menor a 100(o 30 dependiendo en algunas fuentes). Luego, la
distribución imita una distribución t- student estándar. Para la tabla de valores,
ciertos valores son usados como constantes en la ecuación previa:
Los momentos de x usada son
3.2.3. Distribución de Pearson tipo III
La distribución de Pearson tipo III es una distribución gamma o una distribución
chi-cuadrado.
18
3.2.4. Distribución de Pearson tipo V
Definiendo nuevos parámetros:
La distribución de Pearson tipo V es una distribución gamma inversa.
3.2.5. Distribución de Pearson tipo VI
La distribución de Pearson tipo VI es una distribución beta prima o una
Distribución F.
4. Relación con otras Distribuciones
La familia Pearson subsume las siguientes distribuciones, entre los otros:
 Distribución beta (tipo I)
 Distribución beta prima (tipo VI)
 Distribución de Cauchy (tipo IV)
 Distribución chi cuadrado (tipo III)
 Distribución uniforme continua (límite del tipo I)
 Distribución exponencial (tipo III)
 Distribución gamma (tipo III)
 Distribución F (tipo VI)
 Distribución chi cuadrado inversa (tipo V)
19
 Distribución gamma inversa (tipo V)
 Distribución Normal (El límite de tipo I, III, IV, V, o VI)
 Distribución t de Student (tipo VII, la cual es el subtipo simétrico del tipo IV)
5. Aplicaciones
Estos modelos son utilizados en los mercados financieros, dado su habilidad para ser
parametrizadas de un modo que tiene significado intuitivo para comerciantes de
mercado. Un número de modelos está en uso actual que la captura la naturaleza
estocástica de la volatilidad de tasas, acciones etcétera. Esta familia de distribuciones
puede resultar ser una de lo más importantes. En los Estados Unidos, el Log Pearson
III es la distribución predeterminada para el análisis de frecuencias de la inundación.
20
CONCLUSIONES Y RECOMENDACIONES
En estadística, la distribución de Pearson, llamada también ji cuadrada(o) o chi cuadrado(a) (χ²),
es una distribución de probabilidad continua con un parámetro k que representa los grados de
libertad de la variable aleatoria
Donde son variables aleatorias normales independientes de media cero y varianza
uno. El que la variable aleatoria X tenga esta distribución se representa habitualmente
así: .
Propiedades
Función de densidad
Su función de densidad es:
donde {\displaystyle \Gamma } \Gamma es la función gamma.
Función de distribución acumulada
Su función de distribución es
Donde es la función gamma incompleta.
21
El valor esperado y la varianza de una variable aleatoria X con distribución χ² son,
respectivamente, k y 2k.
Relación con otras distribuciones
La distribución χ² es un caso especial de la distribución gamma. De hecho
Cuando k es suficientemente grande, como consecuencia del teorema central del límite,
puede aproximarse por una distribución normal:
22
BIBLIOGRAFIA Y WEB GRAFIA

 Pearson, Karl (1893). «Contributions to the mathematical theory of evolution [abstract]».
Proceedings of the Royal Society 54 (326–330): 329–333. JSTOR 115538.
doi:10.1098/rspl.1893.0079.
 Pearson, Karl (1895). «Contributions to the mathematical theory of evolution, II: Skew
variation in homogeneous material». Philosophical Transactions of the Royal Society 186:
343–414. Bibcode:1895RSPTA.186..343P. JSTOR 90649. doi:10.1098/rsta.1895.0010.
 Pearson, Karl (1901). «Mathematical contributions to the theory of evolution, X: Supplement
to a memoir on skew variation». Philosophical Transactions of the Royal Society A 197
(287–299): 443–459. Bibcode:1901RSPTA.197..443P. JSTOR 90841.
doi:10.1098/rsta.1901.0023.
 Pearson, Karl (1916). «Mathematical contributions to the theory of evolution, XIX: Second
supplement to a memoir on skew variation». Philosophical Transactions of the Royal Society
A 216 (538–548): 429–457. Bibcode:1916RSPTA.216..429P. JSTOR 91092.
doi:10.1098/rsta.1916.0009.
23

Distribucion Pearson

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Distribucion Pearson

Cargado por

Copyright:

Formatos disponibles

“Año del Buen Servicio al Ciudadano”

DISTRIBUCION PEARSON ............................................................................................................... 8

3. Tipos particulares de distribución ................................................................................... 11

3.1. Caso 1, discriminante negativo. La distribución de Pearson tipo IV ....................... 11

3.2. Caso 2, discriminante no negativo .......................................................................... 15

4. Relación con otras Distribuciones ................................................................................... 19

CONCLUSIONES Y RECOMENDACIONES ...................................................................................... 21

BIBLIOGRAFIA Y WEB GRAFIA ..................................................................................................... 23

recopilación, investigación y resumen del tema: “DISTRIBUCION PEARSON”, el cual

Distribución Pearson, la cual podemos definir como:

La distribución de Pearson en una familia de distribuciones probabilísticas continúas. Fue

él en 1901 y 1916 en una serie de artículos de bioestadística.

 Recopilar información relevante

 Enriquecer nuestros conocimientos y aprender más sobre el tema

 Terminar exitosamente el informe nombrando cada uno de las biografías usadas

 Concluir el informe con un concepto grupal de lo aprendido (conclusiones)

 Obtener un resumen contrastado y realista del concepto de HUMEDAD Y

 Conocer los puntos más importantes de estos temas

El sistema Pearson fue originalmente ideado en un esfuerzo para modelar

observaciones visiblemente asimétricas. Era bien conocido en aquel tiempo cómo

de observados datos: Cualquier distribución de probabilidad puede estar extendida

media (primer cumulante) y la varianza (segundo cumulante) arbitrariamente bien. Sin

embargo, no era conocido cómo construir distribuciones de probabilidad en las cuales

la asimetría (tercer cumulante estándar) y la curtosis (cuarto cumulante estándar)

pudieron estar ajustados igualmente. Esta necesidad surgió al intentar acomodar

de Pearson incluyen datos de supervivencia, cuáles son usualmente asimétricos. En su

clasificación dependió en si las distribuciones estaban definidas en un intervalo definido,

en una semirrecta, o en los reales y si estaban potencialmente asimétricas o

necesariamente simétricas. Un segundo escrito arregló dos omisiones: Redefinió la

distribución de tipo V (originalmente incluía la distribución normal, ahora incorporaba la

distribución gamma inversa) e introdujo la distribución de tipo VI. Conjuntamente los

especiales y subtipos (del VII al XII).

por dos cantidades, comúnmente referidas como β1 y β2. El primero es el cuadrado de

la asimetría: donde γ1 es la asimetría o el tercer momento estandarizado. El

segundo es el curtosis tradicional o cuarto momento estandarizado: β2 = γ2 + 3.

Tratamientos modernos definen curtosis γ2 en términos de cumunlant en vez de

momentos, por lo tanto una distribución normal tenemos γ2 = 0 y β2 = 3. Aquí seguimos

el precedente histórico y usamos β2. EL diagrama a la derecha muestra dada una

familiares, no eran conocidas a principios de 1890. Lo que hoy se conoce como

del parámetro de la distribución de Bernoulli en su trabajo de 1763 sobre la probabilidad

inversa. La distribución beta ganó prominencia debido a su pertenencia al sistema

ya no es tratada por separado.) La distribución gamma originada como resultado

antes de adquirir su nombre moderno en 1930s y 1940s.

 El artículo de Pearson escrito en 1895 introdujo la distribución de tipo IV, la cual

contiene la distribución t-Student como caso especial, precediendo por varios

años a William Sealy Gosset. En su artículo de 1901 introdujo la distribución

gamma inversa (tipo V) y la distribución beta prima (tipo VI).

primeramente, en la fórmula para la derivada del logaritmo de la función de densidad de

de recurrencia para los valores en la función de probabilidad de la masa de la

En la ecuación (1), el parámetro a determina un punto estacionario, y por lo tanto bajo

ciertas condiciones un moda de la distribución, ya que

Sale directamente de la ecuación diferencial.

coeficientes variables, su solución es directa:

La integral en esta solución simplifica considerablemente cuando ciertos casos

especiales de integrando son considerados. Pearson distingue dos casos principales,

3. Tipos particulares de distribución

3.1. Caso 1, discriminante negativo. La distribución de Pearson tipo

Si el discriminante de la función cuadrática (2) es negativo no tiene

raíces reales. Luego se define

Observe que α es un número real bien definido y α ≠ 0, porque por suposición

y por tanto b2 ≠ 0. Aplicando estas tres sustituciones, la función

cuadrática (2) es transformada en:

La ausencia de raíces reales es obvio en esta formulación ya que α2 es necesariamente

Ahora expresamos la solución de la ecuación diferencial (1) en función de y: